electricsheepasia/asia-ilo-how-tour-sex-nb-mean-weekly-hours-actually-worked-per-person-in-to

该数据集包含亚洲23个国家从2010年至2025年的330个观测值，核心指标为旅游部门就业人员平均每周实际工作小时数（指标代码：HOW_TOUR_SEX_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤至亚洲地区，涵盖就业、失业、工资、工作时间等劳动统计领域。数据集按性别（总计、男性、女性）进行细分，并包含国家代码、年份、观测值、数据来源和质量标志等列。数据以年度频率发布，适用于表格分类、回归和时间序列预测等任务。数据集由Electric Sheep Asia重新打包，采用cc-by-4.0许可证，旨在为亚洲提供统一的机器学习就绪数据层。license: 知识共享署名4.0国际许可协议（cc-by-4.0） language: - 英语 task_categories: - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） multilinguality: 单语言 size_categories: - n<1K tags: - 表格数据 - 亚洲 - ILOSTAT - 旅游业从业者 - 国际劳工组织（ILO） - 劳工 - 就业 pretty_name: "亚洲旅游业就业人员周实际平均工作时长 | 国际劳工组织统计数据库（ILOSTAT）" --- # 亚洲旅游业就业人员周实际平均工作时长 | 国际劳工组织统计数据库（ILOSTAT） 🌏 **共330条观测数据** · **覆盖23个亚洲国家** · **时间跨度为2010–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新整理发布*      ## 核心摘要 本数据集包含覆盖23个亚洲国家、时间跨度为2010–2025年的**330条旅游业从业者相关观测数据**，仅包含**1项核心指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（ILO）的官方核心统计数据库，也是全球领先的劳工统计数据源。该数据库整合了就业、失业、薪酬、工作时长、童工、非正规经济、社会保障、职业伤害以及可持续发展目标（SDG）体面工作目标等领域的指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查及行政记录。其覆盖范围超过200个经济体，数据标准化工作由国际劳工组织统计司负责完成。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_TOUR_SEX_NB) - **发布方**：国际劳工组织（ILO） - **许可协议**：[知识共享署名4.0国际许可协议（cc-by-4.0）](https://creativecommons.org/licenses/by/4.0/) - **研究主题**：旅游业从业者 ## 数据处理方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=HOW_TOUR_SEX_NB`拉取数据，并筛选出ISO3国家编码属于亚洲的样本。ILOSTAT采用国际劳工统计学家会议（ICLS）的定义对原始调查微观数据进行标准化处理；数据来源可通过`source.label`字段进行溯源追踪。 ## 地理覆盖范围 覆盖23个亚洲国家，以下按数据行数降序展示部分国家： | 国家（ISO3编码） | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `VNM` | 39 | 2011 | 2024 | | `LKA` | 36 | 2013 | 2024 | | `THA` | 33 | 2014 | 2024 | | `IRN` | 24 | 2013 | 2022 | | `BRN` | 24 | 2017 | 2024 | | `PHL` | 21 | 2017 | 2023 | | `MNG` | 18 | 2019 | 2024 | | `PAK` | 18 | 2014 | 2025 | | `BTN` | 15 | 2018 | 2022 | | `KHM` | 15 | 2012 | 2023 | | `MMR` | 15 | 2015 | 2020 | | `ARE` | 12 | 2017 | 2023 | | `GEO` | 12 | 2021 | 2024 | | `BGD` | 12 | 2017 | 2024 | | `TLS` | 6 | 2013 | 2021 | | ... | _其余8个国家_ | | | ## 指标（示例） - `HOW_TOUR_SEX_NB` — 旅游业就业人员周实际平均工作时长 ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3国家编码 | `AFG` | | `ref_area.label` | `string` | 国家英文名称 | `Afghanistan` | | `source` | `string` | ILOSTAT来源编码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 数据来源英文名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT指标编码 | `HOW_TOUR_SEX_NB` | | `indicator.label` | `string` | 指标英文名称 | `Mean weekly hours actually worked per…` | | `sex` | `string` | 性别维度细分（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | — | `总计` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位因指标而异，请参阅指标定义） | `36.17` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法学修订` | | `note_source` | `string` | — | `R1:3513_S3:8` | | `note_source.label` | `string` | — | `存储库：ILO统计数据库 - 微观数据…` | ## 细分维度 以下字段提供数据细分维度： - **`sex`**（共3个唯一值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 本数据集采用年度频率。部分指标同时发布月度或季度序列，但本数据集未包含此类数据。 - 若同一国家×年份的同一指标存在多个数据源，将采用国际劳工组织选定的“最优数据源”。 - 仅当指标支持对应细分维度时，细分字段（`sex`、`classif1`、`classif2`）才会有非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-how-tour-sex-nb-mean-weekly-hours-actually-worked-per-person-in-to") df = ds["train"].to_pandas() print(df.head()) ### 按国家筛选 python indonesia = df[df["ref_area"] == "IDN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "HOW_TOUR_SEX_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="HOW_TOUR_SEX_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "HOW_TOUR_SEX_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_how_tour_sex_nb_mean_weekly_hours_actually_worked_per_person_in_to_2025, title = {Mean weekly hours actually worked per person in tourism sector employment | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_TOUR_SEX_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-how-tour-sex-nb-mean-weekly-hours-actually-worked-per-person-in-to}} } ## 许可协议 本数据集基于[知识共享署名4.0国际许可协议（cc-by-4.0）](https://creativecommons.org/licenses/by/4.0/)发布。原始数据版权归国际劳工组织（ILO）所有。使用本数据集时，请同时引用上述原始数据源及Electric Sheep Asia的重新整理版本。 ## 关于Electric Sheep Asia Electric Sheep Asia是Electric Sheep项目的组成部分，该项目旨在HuggingFace平台上构建一套统一的、适用于机器学习的亚洲地区数据层。我们从权威开源数据源拉取数据，对数据schema进行标准化处理，以Parquet格式封装，并发布格式统一的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动工作。 浏览完整数据集集合：[huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026年5月28日通过Electric Sheep流水线摄入。源数据URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_TOUR_SEX_NB_

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API接口直接获取指标`HOW_TOUR_SEX_NB`的原始数据，并依据ISO 3166-1 alpha-3标准筛选出23个亚洲国家的观测值。ILOSTAT基于国际劳工统计学家会议（ICLS）定义对各国劳动力调查、住户收入调查、企业调查及行政记录等微观数据进行整合与标准化处理，数据源在`source.label`字段中予以标注，确保了数据的可追溯性与国际可比性。最终由Electric Sheep Asia重新打包为HuggingFace数据集，形成包含330条观测记录的紧凑型表格数据。

特点

本数据集聚焦于亚洲地区旅游业从业者人均实际周工作小时数，时间跨度为2010年至2025年，覆盖23个亚洲国家，包含1个核心指标。数据按性别维度进行分解，提供总人口（SEX_T）、男性（SEX_M）和女性（SEX_F）三个子类别，便于开展性别差异分析。数据集附有观察状态标记（如'U'表示不可靠）和指标说明注释（如方法修订导致的序列中断），并标记了最佳数据源选择策略，对于同一国家-年份组合存在多个数据源时，采用ILO认定的'最佳来源'，有效保证了数据质量与一致性。

使用方法

用户可通过HuggingFace Datasets库的`load_dataset()`函数快速加载数据，并利用Pandas将数据集转换为DataFrame进行后续分析。推荐应用场景包括：按国家代码（`ref_area`）筛选特定国家的时间序列数据；针对单一指标（`indicator`）按年份排序绘制趋势图以观察旅游业工时演变；通过数据透视表构建国家×年份矩阵，实现跨国的横向比较与面板数据分析。数据集格式规范，支持`tabular-classification`、`tabular-regression`及`time-series-forecasting`等多种任务，适用于劳动经济学与旅游经济学的定量研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT数据库整理发布，并由Electric Sheep Asia团队重新封装于HuggingFace平台，聚焦于亚洲23个国家2010至2025年间旅游部门就业人员的平均每周实际工作小时数。作为全球劳动统计领域的权威来源，ILOSTAT通过整合各国劳动力调查、家庭收支调查等微观数据，依据国际劳工统计学家会议定义进行标准化处理，为研究亚洲旅游业的劳动强度、性别差异及区域发展模式提供了关键的时间序列数据。该数据集虽仅含330条观测值，却覆盖了越南、泰国、伊朗等多元经济体，弥补了亚洲旅游劳动微观统计的空白，对评估旅游业可持续发展和体面劳动目标具有重要参考价值。

当前挑战

该数据集面临的挑战主要体现在三个方面。首先，在领域问题层面，亚洲各国旅游业就业数据的统计口径与质量参差不齐，如缅甸2015-2020年数据、柬埔寨2012-2023年数据存在时序断裂，且部分观测值被标记为不可靠，这给跨国家跨时段的纵向比较带来显著偏差。其次，数据构建过程中面临多重困难：原始数据来源于多个国家的不同调查体系（如劳动力调查与行政记录），ILO虽进行标准化处理，但方法论修订导致的序列中断（如I11:264注释）和来源变更的识别仍依赖专家判断；同时，该指标仅有年度频率，缺失月度或季度的细微波动信息，限制了劳动经济学的精细化建模。此外，性别与职业分类的细分维度有限，难以深入分析旅游业内部的异质性劳动力市场特征。

常用场景

经典使用场景

该数据集收录了2010至2025年间23个亚洲国家旅游业从业者人均实际周工作小时数的年度观测值，共330条记录。作为国际劳工组织ILOSTAT数据库的区域性子集，它特别适用于跨国家、跨性别的旅游业劳动强度比较研究。研究者可通过`ref_area`和`sex`维度灵活筛选数据，构建面板数据或时间序列，以揭示亚洲各国旅游业工作时间的时空演变规律。

解决学术问题

该数据集有效解决了亚洲旅游业劳动投入度量标准化不足的问题。它让学者能够超越单一国家案例，系统检验旅游业发展对工作时长的影响机制，例如探讨旅游业扩张与劳动强度之间的非线性关系。数据中附带的来源标记和质量标识（如`obs_status`）为处理异质性数据提供了透明度，有助于提升劳动经济学和旅游研究中面板数据分析的可靠性与可复现性。

衍生相关工作

该数据集直接衍生于ILOSTAT的官方指标`HOW_TOUR_SEX_NB`，其结构化整理方式与Electric Sheep Asia的标准化管线密切相关。类似工作如基于ILOSTAT构建的全球劳动指标数据集、亚洲旅游业就业面板数据等，均推动了跨国劳动统计的机器学习就绪化。研究者亦可借鉴该数据集的清洗与聚合方法，进一步扩展至亚太地区的非正规就业或工资数据研究。